guillermo-navas-palencia/optbinning

해결하는 문제

OptBinning은 최적의 비닝 문제에 대한 엄밀한 수학적 접근을 제공합니다. 사용자가 연속 변수를 타겟 변수(이진, 연속, 다중 클래스)와의 관계를 최대화하도록 비닝할 수 있으며, 통계적으로 타당하고 예측 모델에 유용한 비닝 결과를 보장하기 위해 특정 제약 조건을 포함할 수 있습니다.

작동 방식

이 라이브러리는 수학적 프로그래밍을 사용하여 데이터의 최적 분할점을 찾습니다. 1D 및 2D 비닝을 포함한 여러 가지 비닝 유형을 지원하며, 스트리밍 데이터 또는 배치 처리에 대응할 수 있습니다. OR-Tools 및 ECOS와 같은 솔버와 통합하여 비닝 프로세스를 최적화할 수 있습니다. 비닝 후에는 Weight of Evidence (WoE) 또는 이벤트 비율과 같은 메트릭으로 데이터를 변환하고, 지니 계수, 정보 가치 등과 같은 통계 분석을 수행하여 비닝 품질을 검증할 수 있습니다.

대상 사용자

스코어카드 모델링, 리스크 평가, 해석 가능성과 이산화가 중요한 전통적인 머신러닝 모델의 특징 공학에 종사하는 데이터 과학자 및 ML 엔지니어를 대상으로 합니다.

주요 특징

• 유연한 타겟 유형: 이진, 연속, 다중 클래스 타겟을 지원합니다.
• 고급 비닝: 1D 및 2D 최적 비닝, 그리고 조각별 비닝을 포함합니다.
• 스코어카드 통합: 스코어카드 생성 및 대체 설명(Counterfactual Explanations) 생성을 위한 내장 도구가 있습니다.
• 데이터 스트림 지원: 스트리밍 데이터에 대한 비닝을 처리할 수 있습니다.
• 통계 검증: 비닝 테이블에 대한 포괄적인 분석 도구를 제공하며, 비닝 간의 유의성 검정도 가능합니다.